案例介绍
研究了一种改进的深度卷积神经网络以提升异物检测的准确性。因为有些道面异物非常小，难以检测，而且不同的道面异物往往差异很大，因此基于深度学习的道面小异物检测算法通过自动学习目标特征，能够提高异物检测的准确性，即使在光照条件等环境因素改变的情况下，依然能够较准确地检测异物，解决检测率低、错检漏检等问题。
第一个版本是制作好的yolov4网络，后将mobilenet系列移植到yolov4里面（用mobilenet-v1v2v3对yolov4的主干特征提取网络进行替换），调整网络结构和参数量后做出一版mobilenet-yolov4-lite网络。对比调整前后，识别速度大幅上升，帧率达到30FPS（4月中期时yolov4为20FPS）,mAP下降了10%，在可接受范围之内，其它对比参数和指标详见附件。
案例图片
相似案例推荐
其他人才的相似案例推荐
-
当当网爬取
将一个网页字符串进行解析，可以按照我们的要求来提取出我们有用
-
爬取喜马拉雅相关信息
使用scrapy框架作为基础，运用正则表达式进行匹配，采取手
-
QT桌面软件
QT桌面软件,用来根据excel表格中导入的数据根据公式画出
-
牲畜智能饮水系统
1. 利用 RFID 技术对过来饮水的牲畜进行身份识别，也可
-
PictureShow
图片展示和管理 展示地址：user.kevin-nav.
-
荣智车辆综合管理系统
荣智车辆管理系统，利用电子设备（拍照识别系统），进行驾驶规范
-
商标识别手
商标识别类的应用，目前正在版本更新中，负债界面逻辑设计，接口
-
模型加密
对savedmodel模型进行加密，可自动搜索文件结构，并对
-
异常检测
使用ae进行异常检测，通过对比冲过图片与原图可以得到残差图
-
全分类框架
使用主要框架为tensorflow，keras，支持 单分类
-
cesium地形剖切及地形高程色表
熟悉cesium开发，具有两年cesium开发经验，熟悉地形
-
cesium图形标绘
熟悉cesium开发，有两年开发经验，曾负责开发图形标绘功能
微信接收人才推送
关注猿急送微信平台，接收实时人才推送
